Deep Time
مهمان ما دکتر علی حبیبنیا استاد دانشگاه ویرجینیاتک هستن. در مورد موارد متنوعی از جمله سیستمهای ترید، استارتاپهای موفق و بازارها صحبت میکنیم. شنبه ساعت 9:30 شب، لایو در تلگرام. @deeptimeai
چند نکته درباره جلسه امشب:
۱_ احتمالا با پروکسی صدای لایو استریم براتون پخش نشه و نیاز به فیلترشکن و ویپیان هست.
۲_ در پایان احتمالا سوالات هم کمی جواب بدیم.
۱_ احتمالا با پروکسی صدای لایو استریم براتون پخش نشه و نیاز به فیلترشکن و ویپیان هست.
۲_ در پایان احتمالا سوالات هم کمی جواب بدیم.
👍16❤3
Deep Time
مهمان ما دکتر علی حبیبنیا استاد دانشگاه ویرجینیاتک هستن. در مورد موارد متنوعی از جمله سیستمهای ترید، استارتاپهای موفق و بازارها صحبت میکنیم. شنبه ساعت 9:30 شب، لایو در تلگرام. @deeptimeai
Audio
ویس ضبط شده لایو با دکتر علی حبیبنیا
هوش مصنوعی و یادگیری ماشین در بازارهای مالی و الگوتریدینگ
AI & Machine Learning in Quantitative Finance, Dr. Ali Habibnia, Mohammad Talaei
مباحث خیلی خوبی مطرح شد. البته در لایو خیلی مشکل اینترنت داشتم و بارها قطع شدم. خوشبختانه بیشتر علی جان که خارج از کشور هستن صحبت کردن و قطعی هم نداشتن.
@deeptimeai
هوش مصنوعی و یادگیری ماشین در بازارهای مالی و الگوتریدینگ
AI & Machine Learning in Quantitative Finance, Dr. Ali Habibnia, Mohammad Talaei
مباحث خیلی خوبی مطرح شد. البته در لایو خیلی مشکل اینترنت داشتم و بارها قطع شدم. خوشبختانه بیشتر علی جان که خارج از کشور هستن صحبت کردن و قطعی هم نداشتن.
@deeptimeai
❤45👍11🔥2
منابع ML in Algorithmic Trading & Quantitative Finance از دکتر علی حبیبنیا که در لایو هم صحبت شد.
پیشنهاد میکنم این منابع رو بررسی کنید.
Github
برای مثال ریپوزیتوری
Algorithmic Trading with Python
رو ببینید.
YouTube
در کانال یوتیوبشون ویدیوهای آموزشی فارسی هم وجود داره.
@deeptimeai
پیشنهاد میکنم این منابع رو بررسی کنید.
Github
برای مثال ریپوزیتوری
Algorithmic Trading with Python
رو ببینید.
YouTube
در کانال یوتیوبشون ویدیوهای آموزشی فارسی هم وجود داره.
@deeptimeai
GitHub
AliHabibnia - Repositories
I am an Assistant Professor in the Department of Economics and the Computational Modeling and Data Analytics, College of Science, Virginia Tech - AliHabibnia
❤34👍3
پست قبل درباره یک سیستم جدید بود که با تیم برای فارکس بالا آوردیم که البته پست به دلایل مشخص حذف شد. اما چرا وقتی از نتایج یک سیستم trade پست گذاشته میشه انقد واکنش های منفی زیاد میشه؟ در واقع بعضی افراد نتیجه میگیرن که بدترین backtest گرفته شده، حس میکنن فقط اونا فرق back-test و live رو میدونن و ظرافت های back-test دقیق رو متوجه میشن. ما چند ساله تو این کانال داریم همینارو میگیم.
متاسفانه در ابتدا فکر کردم از اون دیسلایک ها حرف خاصی وجود داره و کامنتارو باز کردم. حدود نیم ساعتی داشتم با همین افراد حرف میزدم و بدیهیات رو میگفتن. فقط انرژی تلف شد. و البته ممنون از شایان باسواد که بجای من که جایی جلسه آنلاین بودم و البته خسته شده بودم جوابشونو میداد. احتمالا با شایان هم لایو بریم در آینده.
من شخصا یاد گرفتم skeptical باشم نسبت به سیستم های data science و آگاه به خطاهای شناختی چه برسه به اینکه حوزه فایننس باشه. اصولا سیستم algo trader تا پول نسازه و اون هم به طور پایدار در بلندمدت، مورد قبول نیست. بازم میگم، اینها بدیهیاته. حداقل برای من که چند ساله دارم از این راه نون میخورم. اما این به این معنا نیست که نمیشه سیستم رو در فازهای مختلف ارزیابی کرد و کور پیش رفت.
تنها نکته پست حذف شده:
اگر مدل classification دارید، فقط به TP FP و precision نگاه نکنید. به طور دقیق backtest کنید و میانگین سود FP هارو ببینید. FPها احتمالا فقط نتونستن به حد سود برسن اما مثلا در مثال ما بعد از 8 ساعت که پوزیشن ها بسته میشه، FP ها هم به طور میانگین سود دادن و فقط بعضی هاشون به حد ضرر میخورن. بک تست سختگیرانه با cross val و gap بین train test در بلند مدت.
@deeptimeai
متاسفانه در ابتدا فکر کردم از اون دیسلایک ها حرف خاصی وجود داره و کامنتارو باز کردم. حدود نیم ساعتی داشتم با همین افراد حرف میزدم و بدیهیات رو میگفتن. فقط انرژی تلف شد. و البته ممنون از شایان باسواد که بجای من که جایی جلسه آنلاین بودم و البته خسته شده بودم جوابشونو میداد. احتمالا با شایان هم لایو بریم در آینده.
من شخصا یاد گرفتم skeptical باشم نسبت به سیستم های data science و آگاه به خطاهای شناختی چه برسه به اینکه حوزه فایننس باشه. اصولا سیستم algo trader تا پول نسازه و اون هم به طور پایدار در بلندمدت، مورد قبول نیست. بازم میگم، اینها بدیهیاته. حداقل برای من که چند ساله دارم از این راه نون میخورم. اما این به این معنا نیست که نمیشه سیستم رو در فازهای مختلف ارزیابی کرد و کور پیش رفت.
تنها نکته پست حذف شده:
اگر مدل classification دارید، فقط به TP FP و precision نگاه نکنید. به طور دقیق backtest کنید و میانگین سود FP هارو ببینید. FPها احتمالا فقط نتونستن به حد سود برسن اما مثلا در مثال ما بعد از 8 ساعت که پوزیشن ها بسته میشه، FP ها هم به طور میانگین سود دادن و فقط بعضی هاشون به حد ضرر میخورن. بک تست سختگیرانه با cross val و gap بین train test در بلند مدت.
@deeptimeai
❤27👍11😢1
The Rise of Diffusion Models in Time-Series Forecasting
یکی از مهم ترین تکنولوژیهای روز دنیا در Generative AI مدل Diffusion هست که قطعا کاربردش رودر تولید تصویر دیدین. اینجا کاربرد در سری زمانی هست.
ریاضی Diffusion و notation های ریاضی شو میتونید باکمک chatGPT یاد بگیرید.
@deeptimeai
یکی از مهم ترین تکنولوژیهای روز دنیا در Generative AI مدل Diffusion هست که قطعا کاربردش رودر تولید تصویر دیدین. اینجا کاربرد در سری زمانی هست.
ریاضی Diffusion و notation های ریاضی شو میتونید باکمک chatGPT یاد بگیرید.
@deeptimeai
👍8❤4
Deep Time
Photo
چرا در Binary Classification حتی در مدلهای GBDT بجای فرمول بالا از فرمول پایین استفاده میشود؟
Final Results
22%
در فرمول بالا خارج از محدوده پارامتر بهینه، تابع خطا صاف میشود و گرادیان از بین میرود
25%
فرمول پایین با استفاده از لگاریتم سازگاری بیشتری با توزیع خطا دارد
27%
در فرمول بالا خارج از محدوده پارامتر بهینه، گرادیان زیاد میشود
26%
هردو فرمول قابل استفاده است ولی فرمول پایین هزینه محاسباتی پایین تری دارد
👍9❤3
جواب درست کمرین رای رو داشت. نمودار هارو ببینید که چطور استفاده از logloss باعث مشتق پذیری بهتر از تابع خطا میشه و اگر از تابع ساده استفاده بشه، خطا صاف و گرادیان محو میشه.
یک نمونه دیگه از استفاده لگاریتم در feature engineering رو در پست بعد مینویسم.
@deeptimeai
یک نمونه دیگه از استفاده لگاریتم در feature engineering رو در پست بعد مینویسم.
@deeptimeai
👍10❤3
لایو دوم با دکتر علی حبیبنیا
درباره استارتاپهای Quantitative Finance صحبت میکنیم.
در قسمت اول درباره کلیات مدلسازی Quantitative در بازار مالی و سیستمهای الگوتریدینگ بر مبنای ماشین لرنینگ صحبت شد. در این لایو میخواهیم درباره استارتاپهای این حوزه صحبت کنیم.
شنبه ساعت ۹:۳۰ شب به وقت تهران
@deeptimeai
درباره استارتاپهای Quantitative Finance صحبت میکنیم.
در قسمت اول درباره کلیات مدلسازی Quantitative در بازار مالی و سیستمهای الگوتریدینگ بر مبنای ماشین لرنینگ صحبت شد. در این لایو میخواهیم درباره استارتاپهای این حوزه صحبت کنیم.
شنبه ساعت ۹:۳۰ شب به وقت تهران
@deeptimeai
❤25👍8🔥3💔1
While Your Lips Are Still Red (Theme from the Movie "Lieksa!")
Nightwish
ممنون از همراهیتون🌹 2k شدیم🤩
🔥20❤8👍5🤩1💯1
Live 02 AI & ML Startups in Quntitative Finance Dr Ali Habibnia
<unknown>
ویس ضبط شده لایو دوم با دکتر علی حبیبنیا استاد دانشگاه ویرجینیا تک
استارتاپهای هوش مصنوعی و یادگیری ماشین در بازارهای مالی و الگوتریدینگ
AI & Machine Learning Startups in Quantitative Finance, Dr. Ali Habibnia, Mohammad Talaei
در مورد این مسئله صحبت کردیم که استارتاپها و شرکتهای موفق این حوزه روی چه مواردی تمرکز میکنن و محصول میسازن. البته فقط درباره استارتاپ صحبت نشد و مباحث مختلفی مطرح شد خصوصا در قسمت آخر که مربوط به سوالات بود.
@deeptimeai
استارتاپهای هوش مصنوعی و یادگیری ماشین در بازارهای مالی و الگوتریدینگ
AI & Machine Learning Startups in Quantitative Finance, Dr. Ali Habibnia, Mohammad Talaei
در مورد این مسئله صحبت کردیم که استارتاپها و شرکتهای موفق این حوزه روی چه مواردی تمرکز میکنن و محصول میسازن. البته فقط درباره استارتاپ صحبت نشد و مباحث مختلفی مطرح شد خصوصا در قسمت آخر که مربوط به سوالات بود.
@deeptimeai
❤26💯3👍2🤩1
Forwarded from @machinelearningnet (Sasan Barak)
یه تعداد کتاب در زمینه الگوریتمیک تریدینگ و HFT رو اینجا میزارم، برای استفاد دوستان بنظرم توی آرشیو چنل باشه خیلی خوبه. بعضی هاشون سطح اش advance تر هست مثل کتاب پرفسور cartea ولی اکثرا نیاز به دانش بیس زیادی نداره،
👍15❤4
من و مرتضی گاهی مسابقههای فایننس و ماشین لرن رو شرکت میکنیم اما وقت زیادی نمیذاریم. اینبار هم با ایمیل آخرین فراخوان که ۳ روز به پایان مسابقه بود (مسابقه بالای یک ماه بود) شرکت کردیم.
با ۳ تکنیک کلی و فقط ۲ روز کار با فاصله خیلی کمی از ۳ نفر اول (که مجموعا ۱۰۰۰۰ دلار بهشون میرسید) هشتم شدیم. احتمال میدیم که اگر ۲ سابمیشن دیگه فرصت داشتیم قطعا تو ۳ نفر بودیم (هر روز میشد ۵ سابمیشن ثبت کرد). گفتم بد نیست ۳ تکنیکی که استفاده کردیم رو اینجا بذارم:
۱_ مهندسی فیچر. مثلا: حذف فیچرهای واریانس پایین از بین جفت فیچر های شدیدا همبسته (چیزی که خصوصا مدلهای بر مبنای درخت تصمیم رو به اشتباه میندازه)
۲_ انجام اکسپریمنتهای سازماندهی شده و تعیین رنج پارامترهای بهینه
۳_ ترکیب مدلهای بهینه از مرحله ۲ برای پیشبینی نهایی
@deeptimeai
با ۳ تکنیک کلی و فقط ۲ روز کار با فاصله خیلی کمی از ۳ نفر اول (که مجموعا ۱۰۰۰۰ دلار بهشون میرسید) هشتم شدیم. احتمال میدیم که اگر ۲ سابمیشن دیگه فرصت داشتیم قطعا تو ۳ نفر بودیم (هر روز میشد ۵ سابمیشن ثبت کرد). گفتم بد نیست ۳ تکنیکی که استفاده کردیم رو اینجا بذارم:
۱_ مهندسی فیچر. مثلا: حذف فیچرهای واریانس پایین از بین جفت فیچر های شدیدا همبسته (چیزی که خصوصا مدلهای بر مبنای درخت تصمیم رو به اشتباه میندازه)
۲_ انجام اکسپریمنتهای سازماندهی شده و تعیین رنج پارامترهای بهینه
۳_ ترکیب مدلهای بهینه از مرحله ۲ برای پیشبینی نهایی
@deeptimeai
👍31❤12🤩1